Step-Audio

简介

Step-Audio 是阶跃星辰（StepFun）开源的语音大模型，定位于”端到端”的语音交互：输入端理解语音内容与情感，输出端直接生成自然流畅的语音回复，同时支持语音克隆与风格控制，是一个覆盖”听懂—思考—说出”全链路的语音基座模型。

核心功能

• 语音理解：直接理解语音中的语义、语调与情感，无需先转文字。
• 语音生成：生成自然、富有表现力的语音，支持播报、对话等多种场景。
• 实时对话：低延迟的语音交互能力，适用于智能助手与实时客服。
• 风格控制：可通过指令控制情感、语速、方言与音色，并进行语音克隆。

对于希望自建语音助手、有声内容生成或需要中文语音交互能力的开发者而言，Step-Audio 提供了完整且开源的技术基座。